设置了rknn_batch_size后，推理出现段错误

我用一个双模态的onnx模型(这个onnx模型是一个batch_size=1的静态模型)成功量化转成了rknn模型，进行板端rknn_lite推理时也没有问题（batch_size=1），能够得到正常的mAP。但是我用其他批次比如2,4,8推理这个rknn模型，虽然能成功运行，但是得到的mAP就会有很大的波动，不准确了。

我现在想要推理不同批次的rknn模型，是需要在构建rknn模型的时候设置rknn_batch_size参数把？
我设置rknn_batch_size=2之后放到rk3588板子上推理会经常出现Segmentation fault，但也不是每次都会出现Segmentation fault，偶尔也能运行完，但得到的mAP也是不准确的。

设2就一定要传递2，他其实就只是一个新的维度的输入，nhwc，那你这四个维度就必须是固定的长度和空间，否则访问就会越界。
建议你用batch_size=1就好了，n=2时候就是推理两次而已，设置多了并不会有更高的推理效率提升

jefferyzhang 发表于 2025-3-7 11:01
设2就一定要传递2，他其实就只是一个新的维度的输入，nhwc，那你这四个维度就必须是固定的长度和空间，否则 ...

在rk3588上的多batch_size和batch_size=1的性能是差不多的吗？
我设置rknn_batch_size=2时，传进去的输入数据是固定的，shape都是是（2,3,640,640），输出的out是（2,25200,11）,输入输出尺寸和pytorch模型是一样的，应该没问题把？为什么会出现Segmentation fault，您能讲一下可能是什么原因引起的吗，是npu内存分配的原因，内存不够，还是需要修改前后处理代码？我是在板端直接推理的，用的rknn_lite

11111qq 发表于 2025-3-10 10:20
在rk3588上的多batch_size和batch_size=1的性能是差不多的吗？
我设置rknn_batch_size=2时，传进去的输入 ...

我不是npu的开发者，无法就靠字面问题解释具体原因，段错误可以自己用gdb跟下，或者全部更新到最新版本再试。

性能方面我个人觉得是一样的，因为3588有3个npu核，你一个个图送和一次性送3张，耗费的时间是一样的，甚至有可能你在等待准备三张图的过程耗费时间还更多。

jefferyzhang 发表于 2025-3-10 10:50
我不是npu的开发者，无法就靠字面问题解释具体原因，段错误可以自己用gdb跟下，或者全部更新到最新版本再 ...

您好，还有个问题想请教下，rknn模型怎么计算出GOPS/GFLOPS，还有模型参数量

11111qq 发表于 2025-3-13 11:38
您好，还有个问题想请教下，rknn模型怎么计算出GOPS/GFLOPS，还有模型参数量 ...

1、模型参数量在模型train完之后保存就是固定的了。
2、"rknn怎么计算" 你的问题就是有问题的，GOPS/GFLOPS代表npu算力，这个是你芯片选型完就确定的，是硬件IP核性能；

一个MFLOPS（megaFLOPS）等于每秒一百万（=10^6）次的浮点运算，

一个GFLOPS（gigaFLOPS）等于每秒十亿（=10^9）次的浮点运算，

一个TFLOPS（teraFLOPS）等于每秒一万亿（=10^12）次的浮点运算，(1太拉)

一个PFLOPS（petaFLOPS）等于每秒一千万亿（=10^15）次的浮点运算，